医药健康-AI制药行业深度报告（一）：从工具到引擎加速卡位催生湿实验机遇

国金证券国金证券2026年10月26日买入(维持评级)证券研究报告分析师：甘坛焕(执业S1130525060003)分析师：方程嫣(执业S1130525110002)传统药物研发长期处于“周期长、成本高、成功率低”的状态：一个候选药物从靶点确认到最终获批，需经历命中发现、先导优化、临床前评价及大规模临床试验等顺序推进的环节，环环依赖海量资源与反复验证，导致平均研发周期超过10年、单药累计投入逾20亿美元。AI制药的介入有望显著压缩研发周期与开支：1)显著压缩研发周期。各研发阶段均能受益，其中药物发现阶段节约时间最为可观，约70-90%;临床前研究可节约50-80%;临床研究可节约50-60%。2)大幅降低研发成本。AI制药在药物发现与临床研究阶段的参与，有望为制药公司节省约50%的成本，对应体量约540亿美元。AI制药成兵家必争之地，MNC加速布局。全球Al制药交易自2024年起持续升温，交易首付款与总金额屡创新高。据医药魔方数据库统计，2026年上半年全球已披露Al技术交易的首付款已达18亿美元，交易总金额更是突破500亿美元，双双大幅超越2025年全年水平。细分领域上，AI制药已跃升为全球第三大融资赛道。面对Al制药这一确定性成长赛道，全球大型药企(MNC)自2024年起密集入场，2026年更是将布局推向新高潮：从交易趋势来看。头部药企已将"Al能力"视作与靶点、管线同等重要的战略资产，交易从单点技术授权走向平台级并购。MNC正以多种方式将Al深度嵌入研发、临床与生产全链条。Al制药可大幅提升早期成功率，后期成功率仍待验证。从现有数据看，Al赋能生物制药在临床1期成功率方面已显露积极信号，但需注意其样本量仍较小，结论有待更大规模数据验证；II-II期临床的优势则尚待确认。根据IQVIA对2020-2022年与2023-2025年两段AI制药管线成功率的统计：Al赋能药物在部分|期临床中表现出高于70%的成功率(传统路径约50%),早期提效明显；但进入11期后，因样本量尚不足以形成统计判断，Al赋能的优势目前难以确证，仍需更多管线数据累积验证。AI制药加速湿实验需求扩张。干湿闭环(Dry-WetLoop)是现阶段AI制药最核心的应用范式：通过“Al设计预测(干实验)”与“自动化合成测试(湿实验)”的反复联动，实现Design-Make-Test-Analyze闭环，让模型以实验结果持续自我校正，当前主要落地于靶点验证、分子设计、先导优化、ADMET评估等早期环节。AI模型的精度高度依赖高质量、可迭代的实验数据来训练与校正，且生成出的候选分子仍需实验合成与活性验证才能进入下一阶段。同一轮实验要验证更多候选、产出更多数据，推动实验需求总量持续上行。据Twist2026年投资者日演示材料，截至2026年3月5日，Twist在湿实验阶段已累计完成20万+蛋白表达、13万+抗体检测，并据此生成超过700万数据Al制药行业正处于快速成长期，市场空间广阔。产业链公司包括：1)湿实验服务商：TwistBioscience、金斯瑞生物、百普赛斯、药明生物等；2)AI制药公司：英矽智能、剂泰科技、晶泰科技；3)实验室服务：药明康德、康龙化成、美迪西等。技术与临床风险；数据风险；监管风险；商业化风险；产业与成本风险。2敬请参阅最后2敬请参阅最后一页特别声明国金证券AI制药全球融资活跃，MNC加速布局 4AI制药可显著压缩研发周期与开支 5AI制药成兵家必争之地，MNC加速布局 6AIDD赋能新药研发，后端湿实验需求凸显 8AI制药可大幅提升早期成功率，后期成功率仍待验证 8AI制药加速湿实验需求扩张 9Twist:预计2026年Al相关订单有望实现三位数同比增长，2027年有望再次实现三位数增长 金斯瑞生物科技：AI订单快速增长，可实现4天从序列到Model-Ready AI驱动更多NDA密集型应用落地 投资建议 风险提示 国金证券3敬请参阅最后3敬请参阅最后一页特别声明图表1:传统药物发现各阶段存活分子及成本情况 4图表2:AI制药发展重要里程碑 4图表3:AI制药可显著压缩研发周期与开支 5图表4:AI赋能药物研发费用市场规模及增速 5图表5:全球Al制药的交易首付款和总金额变化情况 6图表6:2026年前三季度分领域融资事件数 6图表7:2026年前三季度分领域融资金额(亿美元) 6图表8:2026年以来大型药企在Al领域重点布局项目 7图表9:Al在药物研发中的应用 8图表10:2020-2022年成功率去 8图表11:2023-2025年成功率 8图表12:MythosPreview与Opus4.8在15个靶点的测试集中，整体命中率超过20% 9图表13:Twist在湿实验的案例分析 图表14:Twist的收入结构 11图表15:金斯瑞持续构建湿实验服务，赋能下一代科学突破 图表16:金斯瑞可实现4天从序列到数据交付 图表17:金斯瑞AI相关蛋白业务有望快速增长 12图表18:AlphaFold3在各种分子和蛋白复合物结构中准确率高 图表19:AI驱动更多NDA密集型应用 4敬请参阅最后4敬请参阅最后一页特别声明传统药物研发长期处于"周期长、成本高、成功率低"的状态：一个候选药物从靶点确认到最终获批，需经历命中发现、先导优化、临床前评价及大规模临床试验等顺序推进的环节，环环依赖海量资源与反复验证，导致平均研发周期超过10年、单药累计投入逾20亿美元。 期发现与筛选约350万美元每分子(肥点到先导化合物)每分子(先导化合物忧化)每分子在此背景下，人工智能(Al)与机器学习(ML)既能修正现有方法的局限性，又能借助基于Al参数的新型模型实现，可有效提升药物研发的效率与成功率，为制药行业提供了一种依托AI/ML落地的解决方案。从图灵提出“通用机器”概念，到AlphaFold2摘得诺贝尔化学奖，AI对医药产业的变革已从理论走向现实。边缘!》实现高效的基于注意竞赛节目中击败人建模，彻底改变了自实时战略游戏中白质三维分析等任务)方面够跨生命全域阅实现了从提示词”2011年的《危险Transformer模型通过工智能伙牢关通过验证分子AI的尺度定超越AlphaFold3达40%,由李飞飞领导的络进行图像分类集了顶尖科学家.没有任何人类专家知识的情况下通过强化学习掌编码器表示).在2获得2024年诺贝尔化学奖Devin等人创建了《星际争霸D》本模型。敬请参阅最后敬请参阅最后一页特别声明国金证券AI制药可显著压缩研发周期与开支根据弗若斯特沙利文测算,新药研发普遍需耗时10-17年、累计投入高达25.6亿美元,AI制药的介入有望显著压缩研发周期与开支:1)显著压缩研发周期。各研发阶段均能受益,其中药物发现阶段节约时间最为可观,约70-90%；临床前研究可节约50-80%；临床研究可节约50-60%。2)大幅降低研发成本。AI制药在药物发现与临床研究阶段的参与,有望为制药公司节省约50%的成本，对应体量约540亿美元。 節省時間及從而為企業帶來節省時間及從而為企業帶來更多業務與利潤10至17年临床前研究临床研究開支總額藥物發現標準研發新薬物研發階段為製薬公司節省的成本為製薬公司節省的(基於AI)成本總額基於Al的基於Al的藥物毒性預測准确率AI將蛋白質摺疊預測的凖確度提升至84%AI模型可準確度對化合物進行分類AI可以将化合物篩選的準確度提升20%由於高效能计算的顯著進展、優越算法的發展以及積累大量生物及化學數據,基於AI的藥物設計技術在藥物發現中發揮著關鍵作用,其優势在於高效率、快速和低成本。受益于AI对创新药研发全链条的持续赋能,全球AI驱动的药物研发市场正步入高速扩容通道。据弗若斯特沙利文预测,到2032年全球AI赋能药物研发费用的市场规模将攀升至约746亿美元，2026-2032年预计年复合增长率达25.7%。 20%2027E2028E2029E2030E来源:弗若斯特沙利文分析,英矽智能招股说明书,国金证券研究所国金证券全球AI制药交易自2024年起持续升温，交易首付款与总金额屡创新高。据医药魔方数据库统计，2026年上半年全球已披露Al技术交易的首付款已达18亿美元，交易总金额更是突破500亿美元，双双大幅超越2025年全年水平。 细分领域上，AI制药已跃升为全球第三大融资赛道。据医药魔方数据库统计，2026年前三季度，全球AI领域融资事件累计119件(海外64件、国内55件),仅低于小分子药物 (211件)与抗体药物(152件).位列细分赛道第三。融资规模上.Al领域累计融资96.7亿美元(海外81.2亿美元、国内15.5亿美元).同期小分子融资146.9亿美元、抗体药物融资111.7亿美元。 图表6:2026年前三季度分领域融资事件数图表7:2026年前三季度分领域融资金额(亿美元)12080Al制药已成兵家必争之地，MNC加速布局。面对Al制药这一确定性成长赛道，全球大型药企(MNC)自2024年起密集入场，2026年更是将布局推向新高潮：从交易趋势来看。头部药企已将"Al能力"视作与靶点、管线同等重要的战略资产，交易从单点技术授权走向平台级并购：从收购具备成熟大模型能力的AI公司，到共建实验室、整合药物发现平台等，MNC正以多种方式将Al深度嵌入研发、临床与生产全链条。国金证券敬请参阅最后一页特别声明Al提升药物研发效率与成功率，可有效扩充管线储备、平滑重磅药专利到期带来的业绩压力；另一方面，相较于自研周期长、风险高的局限，并购能够快速获取已验证的技术、成熟团队与既有数据资产，显著缩短从投入到产出的回报路径，兼具效率与确定性。综合来看，我们预计未来1-2年，MNC仍将维持对Al制药的加速布局态势：在Al商业化验证逐步兑现以及管线更替压力的持续催化下，并购整合与生态绑定预计仍是主旋律，头部药企将持续对AI制药重点领域进行战略卡位。时间最高8.88亿美元潜在交易总额+销售分成、利用英矽智能自主研发的人工智能平台Pharma.AI识别并开发全新的治疗药物，施维雅将共同承担研发成本，主导后续临床验证及商业化进程未披露，三年战略合作拜耳在其研发工作流中集成Cradle的科学AI软件平台，增强治疗性抗体管线的先导发现与优化5000万美元首付款+近期里按年支付授权费获取模型访与治疗团队，非独占许可问权第三次扩展合作，赛诺菲使用CytoReason的Al计算疾病模型帮助药企研发团队更快、更准确地做高价值决策礼来部署Chai前沿Al平台，针对多个靶点设计新型生物阿斯利康阿斯利康收购ModellaAl,将前沿病理基础模型与AlAgent应用于肿瘤靶向治疗+伴随诊断开发武田总付款+研发成本+技术访问费并有资格获得成功付款，用lambic的行业领先Al药物发现模优先级小分子项目，武田获得NeuralP最高27.5亿美元潜在交易礼来获得若干适应症下、临床前、潜在best-in-class新型口服疗法的全球独家授权；另双方就礼来选择的多靶点开展多个研发项目，结合英矽Pharma.Al平台与礼来的开发能力诺和诺德从药物发现到商业运营在全球范围先进的AI能力默沙东多年期投资，最高10亿美元的研发、生产制造、商业运营、企业职能等各部门部署GoogleCloud最先进的Al阿斯利康合作总价值最高3750万美元再次扩展与Immunai的Al肿瘤合作，阿斯利康将继续利用Immunai的AMICA-0SAI操作系统，该系统旨在生成肿瘤药物将ClaudeEnterprise定位为BMS全球运台，赋能3万+员工的先进推理与agentic能力利用VariantBio的Inference平台发现血管等在内的靶点来源：各公司官网，国金证券研究所目前Al制药已基本实现药物研发全流程的渗透与赋能，应用覆盖靶点识别、药物发现、临床前评价、临床研究乃至上市后等多个环节，并呈现“早期环节应用成熟、后期环节逐步深化”的特征：1)应用程度分层。在靶点识别与药物发现等早期环节，Al应用度相对最高、落地最为成熟。这主要源于两方面契合：一方面，上述环节以大规模数据与计算建模为核心驱动力，与Al在模式识别、生成式设计上的能力禀赋天然匹配；另一方面，早期环节无需大规模临床验证与监管审批，模型迭代与试错成本较低，因而更易先行兑现效率红利。2)中后段渗透渐进。相较之下，临床前评价与临床研究阶段的Al渗透仍处于深化过程中。临床前环节中，Al多用于毒理与安全性预测、动物实验数据外推等，尚需结合实验验控制)析●自动化合成●临床试验成功率预测来源：Zhang,K.,Yang,X.,Wang,Y.etal.Artificialintelligenceindrugdevelopment(2025).国金证券研究所AI制药可大幅提升早期成功率，后期成功率仍待验证从现有数据看，Al赋能生物制药在临床I期成功率方面已显露积极信号，但需注意其样本量仍较小，结论有待更大规模数据验证；II-I11期临床的优势则尚待确认。根据IQVIA对2020-2022年与2023-2025年两段Al制药管线成功率的统计：Al赋能药物在部分(传统路径约50%),早期提效明显；但进入IⅡ期后，因样本量尚不足以形成统计判断，Al赋能的优势目前难以确证，仍需更多管线数据累积验证。敬请参阅最后一页特别声明国金证券落实到具体案例，Anthropic于2026年8月发布《HowClaudeisacceleratingproteindesignandanalyticalchemistry》(Claude如何加速蛋白设计与分析化学),通过多项Opus4.8)针对15个靶点设计蛋白结合物，14个取得成功；依据不同实验设，其单设计的结合成功率为22%~35%,而当前蛋白设计项目的典型成功率仅为10-15%。 Opus4.8single-target(TNFα,LatAAl制药加速湿实验需求扩张干湿闭环(Dry-WetLoop)是现阶段Al制药最核心的应用范式：通过"Al设计预测(干实验)"与“自动化合成测试(湿实验)”的反复联动，实现Design-Make-Test-Analyze闭环，让模型以实验结果持续自我校正，当前主要落地于靶点验证、分子设计、先导优化、AI提效反而推高湿实验需求。Al模型的精度高度依赖高质量、可迭代的实验数据来训练与校正，且生成出的候选分子仍需实验合成与活性验证才能进入下一阶段。同一轮实验要验证更多候选、产出更多数据，推动实验需求总量持续上行。截至2026年3月5日，Twist在湿实验阶段已累计完成20万+蛋白表达、13万+抗体检测，并据此生成超过700万数据点。BuildTestcharacterization+deeplibraryscre●初步试点研究：数十至数百条序列●再增加2-5轮：微调训练●第一轮训练：来自合作伙伴的数千●合作方基于前几轮的学习成果，提供数千条新序列设计●20天内完成，费用1-10万美元●20-30天内完成，费用低于100万美元●针对5至50个独立靶点，每个靶点需要基础模型需要基础模型●再增加2-5轮：针对多重性质指标设计1-10万条序列进行微调训练●合作伙伴基于前几轮的学习成果提供数千条新序列设计●已建立并完成微调的基础模型生成●将顶级候选物输入优化模型●先导化合物进入高级表征分析●30天内完成，费用低于100万美元●先导化合物进入高级表征分析Twist:预计2026年Al相关订单有望实现三位数同比增长，2027年有望再次实现三位数Al相关订单已开始放量。据公司2026年投资者日演示材料和2026年三季度业绩交流演示材料，管理层预计2026年Al相关订单有望实现三位数同比增长，且2027年有望再度录得三位数增长。敬请参阅最后一页特别声明BiophamaBiophamaServices来源：Twist2026年投资者日演示材料，国金证券研究所金斯瑞生物科技：Al订单快速增长，可实现4天从序列到Model-Ready金斯瑞生命科学服务和产品平台提供涵盖DNA合成、寡核苷酸合成、多肽合成、蛋白质生产、抗体开发以及生命科学仪器和耗材的服务和产品，也是AI制药核心贡献收入的板块。金斯瑞正持续推进Al驱动药物发现(AIDD)能力建设。依托多年积累的基因合成、蛋白表达、抗体开发及生物学检测能力，公司进一步整合自动化与数字化工作流程，构建覆盖序列构建、表达、纯化、检测及Al-Ready数据输出的“从序列到数据”能力。金斯瑞于2026年9月与全球领先制药企业礼来的Al/机器学习药物发现协作平台Lilly成实验数据，将Al预测转化为生物学验证数据，加速候选药物评估。供给端：基础设施与湿实验服务敬请参阅最后一页特别声明国金证券金斯瑞持续发挥在生物技术、自动化和数字化方面的积累，提升从分子设计到实验数据生成的整体效率。公司在高通量平台实现突破，序列到数据的交付周期可缩短至四天，行业交付时效领先，可适配快速发展的Al制药产业趋势。 ■其他蛋白业务AI制药在各种分子和蛋白预测方面已较为成熟。目前AlphaFold3能够预测包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物的关节结构，准确度远超以往许多专业工具。LigandsPoseBusterssetLigandsPoseBusterssetn=66来源：AccuratestructurepredictionofbiomolecularinteractionswithAlphaFold3,国金证券研究所Al正驱动更多DNA密集型应用落地。以Twist为例，公司的平台正赋能多元应用场景，典型包括：2)以模型筛选mRNA表达的最佳3'UTR:基于深度学习的ML驱动3'UTR设计，优化3)打造Lab-in-the-loop(实验在环)蛋